A Hierarchical Energy-Based Model for Multimodal Cognition

मस्तिष्क का गुप्त मौसम मानचित्र

कल्पना कीजिए कि आप एक शहर के काम करने के तरीके को समझने की कोशिश कर रहे हैं। आप हर इमारत की हर एक ईंट का अध्ययन कर सकते हैं, या आप यह समझने के लिए यातायात के पैटर्न, मौसम और लोगों के प्रवाह को देख सकते हैं कि वह शहर कैसा महसूस करता है और कैसे चलता है। मस्तिष्क विज्ञान की दुनिया में, इस बात पर एक बड़ी बहस है कि कौन सा दृष्टिकोण बेहतर है। कुछ वैज्ञानिक हर न्यूरॉन को ईंट-दर-ईंट ब्लूप्रिंट की तरह मैप करना चाहते हैं। अन्य, इस शोध पत्र के लेखक की तरह, यह सुझाव देते हैं कि हमें मन के "मौसम" को देखना चाहिए। वे प्रस्ताव देते हैं कि हमारे विचार और धारणाएं केवल बिजली के तारों के चलने जैसा नहीं हैं, बल्कि ऊर्जा के एक परिदृश्य (लैंडस्केप) पर चलते हुए अवस्थाओं का एक प्रवाह हैं, ठीक वैसे ही जैसे एक गेंद पहाड़ी से नीचे लुढ़कती है या एक नदी समुद्र तक अपना रास्ता खोज लेती है।

यह विचार प्रेडिक्टिव प्रोसेसिंग (पूर्वानुमानित प्रसंस्करण) नामक एक अवधारणा पर आधारित है। अपने मस्तिष्क को केवल एक कैमरे के रूप में न सोचें जो जो देखता है उसे रिकॉर्ड करता है, बल्कि एक सुपर-स्मार्ट गेसर (अनुमान लगाने वाला) के रूप में सोचें। हर सेकंड, आपका मस्तिष्क लगातार इस बात का अनुमान लगा रहा होता है कि आगे क्या होने वाला है—आप क्या आवाज़ सुनेंगे, आप क्या आकार देखेंगे, या किसी वाक्य में अगला शब्द क्या होगा। जब आपकी इंद्रियां आपके अनुमान से मेल खाती हैं, तो सब कुछ सहज लगता है। लेकिन जब वास्तविकता आपको आश्चर्यचकित करती है (जैसे कि जब आपने शांति की उम्मीद की थी तब अचानक कुत्ते का भौंकना), तो आपके मस्तिष्क को अपने अनुमान को अपडेट करने के लिए अधिक मेहनत करनी पड़ती है। यह शोध पत्र इस विचार पर आधारित है कि मस्तिष्क इस "आश्चर्य" या "त्रुटि" को कम करने के लिए अपने आंतरिक मॉडलों को लगातार समायोजित करके इसे कम करता है। यह एक थर्मोस्टेट की तरह है जो कमरे को आदर्श तापमान पर रखने की कोशिश करता रहता है, बस अंतर यह है कि यह गर्मी के बजाय आपकी दुनिया की समझ को सटीक रखने की कोशिश कर रहा है।

महान मस्तिष्क हब: IM-LEPP

यहाँ IM-LEPP (इंटीग्रेटेड मल्टीमॉडल लेटेंट एनर्जी-बेस्ड प्रेडिक्टिव प्रोसेसिंग) का प्रवेश होता है, जो सुबीर वर्मा द्वारा प्रस्तावित एक नया मॉडल है। अपने मस्तिष्क की कल्पना एक विशाल, हलचल भरे हवाई अड्डे के रूप में करें। इस हवाई अड्डे में, विभिन्न टर्मिनल सूचना के विभिन्न प्रकारों को संभालते हैं: एक विज़न (दुनिया को देखने) के लिए, दूसरा भाषा (शब्दों को सुनने और पढ़ने) के लिए, और अन्य भावनाओं और ध्वनियों के लिए। लंबे समय तक, वैज्ञानिक यह सोचते रहे हैं कि ये अलग-अलग टर्मिनल एक-दूसरे से कैसे बात करते हैं। कैसे एक लाल सेब को देखना तुरंत "सेब" शब्द और भूख की भावना से जुड़ जाता है?

वर्मा का शोध पत्र सुझाव देता है कि ये सभी टर्मिनल एक केंद्रीय "कंट्रोल टॉवर" को रिपोर्ट भेजते हैं जो मस्तिष्क के एक विशिष्ट भाग में स्थित है जिसे एंटीरियर टेम्पोरल लोब (ATL) कहा जाता है। यह टॉवर एक विशाल हब के रूप में कार्य करता है जहाँ सूचना के सभी अलग-अलग प्रवाह वास्तविकता की एक एकल, एकीकृत तस्वीर में विलीन हो जाते हैं। इस मॉडल को "हब-एंड-स्पोक" कहा जाता है क्योंकि टर्मिनल (स्पोक्स) केंद्रीय हब में फीड होते हैं, और हब वापस टर्मरों को निर्देश भेजता है।

यहाँ जादू का कमाल है: मॉडल बताता है कि मस्तिष्क केवल सुने गए हर शब्द या देखी गई हर छवि की एक विशाल सूची संग्रहीत नहीं करता है। इसके बजाय, यह एक "डिफ्यूजन" (विसरण) प्रक्रिया का उपयोग करता है, जो संभावनाओं के एक धीमे, सावधानीपूर्वक नृत्य की तरह है। जब आप एक दृश्य देखते हैं, तो आपका मस्तिष्क केवल अगले क्षण कैसा दिखेगा इसका फोटो नहीं खींचता; बल्कि यह भविष्यवाणी करता है कि अगला क्षण क्या होगा। यदि आप एक उछलती हुई गेंद को देख रहे हैं, तो मस्तिष्क भविष्यवाणी करता है कि वह अगली बार कहाँ होगी। यदि आप एक वाक्य पढ़ रहे हैं, तो यह अगले शब्द की भविष्यवाणी करता है।

जो IM-LEPP को विशेष बनाता है, वह है यह कि यह देखने और बोलने के बीच के अंतर को कैसे संभालता है। आपकी आँखें दुनिया को एक निरंतर प्रवाह में देखती हैं, जैसे एक वीडियो। लेकिन भाषा टुकड़ों में आती है, जैसे कि कदमों के निशान (शब्दों) की एक श्रृंखला। मॉडल इसे यह कहकर हल करता है कि विज़न टर्मिनल लगातार अपडेट होता है, जबकि भाषा टर्मिनल विस्फोटों (बर्स्ट्स) में अपडेट होता है। केंद्रीय हब एक अनुवादक के रूप में कार्य करता है, जो तेज़ गति वाले विजुअल स्ट्रीम और धीमी गति वाले शब्द स्ट्रीम को लेकर उन्हें एक सहज अनुभव में मिला देता है। यह समझाता है कि क्यों आप एक कार को गुजरते हुए देख सकते हैं और बिना किसी भ्रम के तुरंत "कार लाल है" वाक्य को समझ सकते हैं, भले ही दोनों इंद्रियों की गति अलग-अलग हो।

यह क्यों महत्वपूर्ण है: "ब्लाइंड स्पॉट" और "गार्डन-पाथ" को सुलझाना

यह शोध पत्र इस मॉडल का उपयोग यह समझाने के लिए करता है कि हम कैसे सोचते हैं।

सबसे पहले, इनएटेंशनल ब्लाइंडनेस (असावधानीवश अंधापन) पर विचार करें। आप वह प्रसिद्ध वीडियो जानते हैं जहाँ लोग बास्केटबॉल पास कर रहे होते हैं, और एक व्यक्ति गोरिल्ला सूट पहने हुए दृश्य में आता है, लेकिन आधे दर्शक गोरिल्ला को नहीं देख पाते? शोध पत्र सुझाव देता है कि ऐसा इसलिए होता है क्योंकि आपका मस्तिष्क केवल उन चीजों के लिए एक विस्तृत "पाइपलाइन" बनाता है जिन पर आप सक्रिय रूप से ध्यान दे रहे हैं। यदि आप गेंद पर केंद्रित हैं, तो आपका मस्तिष्क गेंद के लिए एक मजबूत प्रेडिक्शन मॉडल बनाता है। गोरिल्ला, जो आपके फोकस से बाहर है, उसे कोई समर्पित पाइपलाइन नहीं मिलती। वह पृष्ठभूमि के "शोर" का हिस्सा बना रहता है जब तक कि वह कुछ ऐसा आश्चर्यजनक न करे जो आपकी भविष्यवाणी को तोड़ दे। मॉडल दिखाता है कि आपका मस्तिष्क अनिवार्य रूप रूप से उन चीजों के प्रति "अंधा" है जिन्हें ट्रैक करने का उसने निर्णय नहीं लिया है।

दूसरा, मॉडल गार्डन-पाथ वाक्यों की व्याख्या करता है। ये वे वाक्य हैं जो आपको चकमा देते हैं, जैसे "The horse raced past the barn fell" (घोड़ा जो खलिहान के पास से दौड़ा गिरा)। जब आप इसे पढ़ते हैं, तो आपका मस्तिष्क भविष्यवाणी करता है कि "raced" मुख्य क्रिया है। लेकिन फिर आप "fell" पर पहुँचते हैं, और आपके मस्तिष्क को अचानक एक तीखा यू-टर्न लेना पड़ता है ताकि यह समझ सके कि घोड़ा वास्तव में वह था जिसे दौड़ाया जा रहा था, न कि वह जिसने दौड़ लगाई। शोध पत्र सुझाव देता है कि यह केवल एक गलती नहीं है; यह एक भौतिक "ऊर्जा जंप" है। आपका मस्तिष्क एक कम-ऊर्जा वाली घाटी (गलत अर्थ) में फंस जाता है और उसे सही घाटी (सही अर्थ) में उतरने के लिए एक बड़े आश्चर्य की ऊर्जा के धक्के की आवश्यकता होती है।

मानव मस्तिष्क और AI के बीच का अंतर

शोध पत्र मानव भाषा सीखने और आधुनिक AI (जैसे कि चैटबॉट्स जिन्हें आप जानते होंगे) के सीखने के बीच एक स्पष्ट रेखा खींचता है। AI मॉडल उन छात्रों की तरह हैं जिन्होंने पूरी इंटरनेट पढ़ ली है लेकिन उन्होंने कभी असली सेब नहीं देखा या सूरज को महसूस नहीं किया है। वे केवल यह देखकर भाषा सीखते हैं कि कौन से शब्द एक-दूसरे के बगल में आते हैं। वे नहीं जानते कि "सेब" कैसा महसूस होता है।

IM-LEPP सुझाव देता है कि मानव बच्चे अलग तरह से सीखते हैं। क्योंकि हमारा भाषा हब हमारे विज़न और भावना हब से जुड़ा हुआ है, एक बच्चा "सेब" शब्द को एक सेब के वास्तविक, दृश्य और स्पर्श अनुभव से जोड़कर सीखता है। इसे ग्राउंडिंग (आधारभूतता) कहा जाता है। शोध पत्र सुझाव देता है कि यही कारण है कि बच्चे उस डेटा की तुलना में बहुत कम डेटा के साथ बोलना सीख सकते हैं जिसकी AI को आवश्यकता होती है। वे केवल शब्द पैटर्न को याद नहीं कर रहे हैं; वे शब्दों को वास्तविक दुनिया के समृद्ध, पूर्व-मौजूद मानचित्र से जोड़ रहे हैं।

जो शोध पत्र नहीं कहता (अभी तक)

यह ध्यान रखना महत्वपूर्ण है कि यह शोध पत्र एक प्रस्ताव है, एक ब्लूप्रिंट है कि मस्तिष्क कैसे काम कर सकता है। लेखक ने अभी तक एक पूरी तरह से कार्यात्मक रोबोटिक मस्तिष्क नहीं बनाया है जो मनुष्यों की तरह देख और बोल सके। उन्होंने दिखाया है कि उनका गणितीय मॉडल यह समझा सकता है कि हमें कठिन वाक्यों से भ्रम क्यों होता है या हम वीडियो में गोरिल्ला को क्यों नहीं देख पाते। वे सुझाव देते हैं कि यदि हम इन सटीक नियमों का उपयोग करके एक कंप्यूटर प्रोग्राम बनाते हैं, तो यह विशिष्ट तरीकों में मानव मस्तिष्क की तरह व्यवहार करेगा।

शोध पत्र यह भी स्वीकार करता है कि अभी भी कई रहस्य बाकी हैं। उदाहरण के लिए, यह पूरी तरह से यह नहीं समझाता है कि मस्तिष्क विशिष्ट घटनाओं (जैसे आपकी जन्मदिन की पार्टी) की दीर्घकालिक यादों बनाम सामान्य तथ्यों (जैसे कि कुत्ता क्या है) को कैसे संग्रहीत करता है। यह एक ऐसी प्रणाली का प्रस्ताव करता है जहाँ मस्तिष्क केवल तभी यादें लिखता है जब कुछ आश्चर्यजनक या भावनात्मक होता है, लेकिन इस "मेमोरी फाइलिंग सिस्टम" के सटीक विवरण भविष्य के शोध के लिए छोड़े गए हैं।

संक्षेप में, IM-LEっき (IM-LEPP) मन के बारे में सोचने का एक चंचल, ऊर्जावान तरीका प्रदान करता है: एक स्थिर कंप्यूटर के रूप में नहीं, बल्कि एक गतिशील, लुढ़लते परिदृश्य के रूप में जहाँ हमारा ध्यान, हमारी इंद्रियां और हमारे शब्द लगातार टकराते हैं और आपस में मिलकर हमारी वास्तविकता की कहानी बनाते हैं। यह सुझाव देता है कि मानव बुद्धिमत्ता का रहस्य केवल एक बड़ा डेटाबेस होना नहीं है, बल्कि यह अनुमान लगाने का एक स्मार्ट, ग्राउंडेड तरीका है कि आगे क्या होने वाला है।